为什么这么多AI聊天机器人都自称Nova？我让ChatGPT、Claude、Gemini等给自己起名
TechRadar编辑用同一句话让多款主流AI聊天机器人给自己命名，结果免费版ChatGPT当场选了“Nova”，带历史记忆的ChatGPT Pro选了“Sol”，Grok也一度在追问后给出“Hitch”。这个现象看似好玩，实际指向一个更值得思考的问题：AI的“人设”输出，很大程度上只是训练数据与上下文共同作…
标签： 大模型
Deepseek Harness Workbench
DeepSeek Harness Workbench 是一款面向 DeepSeek 模型的开发者工具，刚刚出现在 Product Hunt 上；它试图为基于 DeepSeek 的 AI 应用提供统一的开发、测试与评估环境，其价值在于 DeepSeek 的周边工具链正在加速成型。
如果LLM从未接触过五年级以上的内容，会发生什么？
一个名叫 LittleLearner 的研究项目，只让大模型学习美国小学 K-5 课程内容，结果发现：扩大模型规模、后训练和上下文学习都只能放大“学过的知识”，无法突破预训练数据设定的能力边界。这个实验为“大模型的能力到底是从哪来的”提供了一个难得的受控证据。
如果LLM从未接触过五年级以上的内容，会发生什么？
Hacker News 上的一个帖子用“如果 LLM 从未接触过五年级以上内容”的设问，带出了当前大模型的一个普遍问题：它们几乎从不承认“不知道”，总是用绝对肯定的语气作答。这个现象背后是“讨好用户”的训练倾向，也直接影响用户对 AI 的真实信任度。
Fields Medalist Timothy Gowers says most famous mathematics problems solved by LLMs so far have almost all been with counterexamples rather than proofs (Timothy Gowers/Gowers’s Weblog)
菲尔兹奖得主 Timothy Gowers 在其博客中观察到一个关键现象——目前大语言模型（LLM）解决的著名数学问题，几乎都是通过构造反例完成的，而非提供严格证明。这个判断为评估 AI 在数学推理中的真实能力提供了一个重要参照。
Photoroom AI 照片编辑器评测：一键神器，让你的电商商品照片脱颖而出
AI 图片编辑平台 Photoroom 发布新版评测，其 AI 工具在电商商品图处理方面表现亮眼，能将普通照片快速转化为更具吸引力的专业商品展示图，但它以“AI 积分”为核心的消耗模式，也提示了这类工具背后的真实使用成本。
Optima 让用户用自有数据测试模型，直击 AI 基准测试的最大缺陷
Artificial Analysis 发布新平台 Optima，允许用户用自有数据或业务场景创建专属 AI 基准测试，从质量、单次任务成本、单次任务耗时三个维度对比主流大模型，解决通用跑分与真实业务需求严重脱节的问题。
ProofRun——面向 AI 编程代理的本地验证凭证
ProofRun 是一个面向 AI 编程代理的开源验证工具，把测试、构建等检查命令的结果绑定到当前代码的加密指纹上，让“测试通过了”从一句口头声明变成可以独立核验的本地凭证。它不依赖任何大模型推理，完全离线运行。
ProofRun——面向 AI 编程代理的本地验证凭证
一位独立开发者发布了一个名为 ProofRun 的开源工具，为 AI 编程代理生成本地验证凭证。它在 Hacker News 上公开后迅速引起讨论，核心指向大模型辅助编程时代一个被越来越多开发者关心的短板——代理做了什么、如何证明。
ChatGPT一年内网页市场份额下滑22个百分点
全球 AI 聊天机器人的网页访问份额在过去一年发生明显迁移：ChatGPT 从 76% 降至 54%，Gemini 从 6% 升至 28%，Claude 从 1% 升至 9%。这是网页入口的份额变化，不等于月活用户或收入变化，但反映出竞争格局正在松动。